Path: Top > S1-Final Project > Electrical Engineering-STEI > 2010

PENGEMBANGAN HARDWARE-IN-THE-LOOP SIMULATION UNTUK PENJEJAKAN TARGET SECARA VISUAL PADA UAV OKTOROTOR

DEVELOPMENT OF HARDWARE-IN-THE-LOOP SIMULATION FOR VISUAL TARGET TRACKING OF OCTOROTOR UAV

Undergraduate Theses from JBPTITBPP / 2017-09-27 10:18:48
Oleh : RYAN TRIADHITAMA (NIM : 13206064) ; pembimbing :Prof. Dr. Ir. Bambang Riyanto Trilaksono ; Widyawardana Adiprawita, ST. MT., S1 - Department of Electrical Engineering
Dibuat : 2010, dengan 7 file

Keyword : HILS, Computer vision, SURF, FLANN, UAV oktorotor.

Guna dari pemrosesan citra digital adalah mengambil informasi yang terdapat pada citra yang ditangkap instrumen dan menjadikan informasi tersebut untuk dijadikan bahan pengambilan keputusan untuk menyelesaikan suatu tugas seolah- olah sistem tersebut dapat melihat, yang lazimnya disebut sistem computer vision. Salah satunya adalah mengenali dan menentukan posisi objek yang terdapat pada citra yang ditangkap kamera. Hal ini dilakukan dengan menggunakan algoritma yang sesuai sehingga fitur atau ciri dari objek bisa diekstrak dan dibandingkan dengan pengetahuan yang ada sehingga objek tersebut dapat dikenali, sebagaimana manusia mengenali suatu objek. Dengan mengombinasikan sistem computer vision dengan suatu sistem tanpa awak seperti UAV oktorotor, informasi yang diambil bisa dijadikan data referensi yang digunakan untuk bernavigasi. Dengan demikian, sistem tanpa awak tersebut dapat meniru manusia dalam melakukan penjejakan terhadap suatu objek yang dijadikan target. Namun, pengujian dari sistem yang dirancang perlu dilakukan untuk menganalisa performa kemudian menghasilkan kesimpulan apakah layak diaplikasikan atau tidak. Sistem computer vision yang dirancang bekerja dengan mengorelasikan fitur-fitur yang diekstrak dari citra referensi pada memori dan citra yang ditangkap oleh kamera menggunakan algoritma Speed-Up Robust Features (SURF). Algoritma ini menghasilkan fitur-fitur yang kokoh, invarian terhadap skala, rotasi, iluminasi, dan perspektif. SURF mendeteksi fitur dengan mencari titik-titik struktur gelembung pada citra, dengan berdasarkan pada determinan matriks Hessian. ii Dengan menggunakan representasi integral image, komputasi bisa dilakukan dengan lebih cepat. Fitur yang terdeteksi kemudian dideskripsikan dengan vektor yang menjelaskan bagaimana arah gradasi dari hitam ke putih (nilai rendah ke tinggi) pada titik-titik sekitar fitur. Fitur-fitur tersebut kemudian dicari kecocokannya dengan menggunakan algoritma Fast Library for Approximate Nearest Neighbor (FLANN). Dengan algoritma ini, penyusunan data-data dilakukan dengan membuat kd-tree dengan dimensi pemisah yang random dan kd-tree dibuat lebih dari satu untuk pencarian secara paralel, sehingga proses pencarian bisa dilakukan lebih cepat. Penaksiran Nearest Neighbor dilakukan dengan membatasi jumlah pemeriksaan leaf. Fitur- fitur yang terkorelasi kemudian dicari pusat masanya untuk menentukan posisi dari target. Posisi target harus senantiasa berada ditengah-tengah bidang citra. Kesalahan posisi target memberikan perintah pergerakan oktorotor, maju atau mundur dalam kecepatan tertentu, dan belok ke kiri atau ke kanan dalam kecepatan tertentu. Hardware-in-the-loop simulation (HILS) atau simulasi lingkar tertutup dilakukan dengan menggunakan struktur navigasi dan pengendali terbang yang sudah terpasang pada oktorotor, dan model persamaan dinamika oktorotor yang sudah didapatkan sebelumnya. Data dari sistem computer vision adalah posisi target pada bidang citra yang dikirim melalui protokol UDP. Dinamika dari UAV dan lingkungan penjejakan kemudian divisualisasikan dan ditampilkan pada layar untuk dan ditangkap oleh kamera. Simulasi UAV dilakukan menggunakan Matlab Simulink dan visualisasi dinamika UAV dan lingkungan menggunakan FlightGear.




Hasil simulasi penjejakan target menunjukkan performa penjejakan yang memuaskan pada target mobil yang bergerak pada kecepatan 8 knot atau sekitar 15 km/jam dan bermanuver ringan. Sistem navigasi dan pengendali terbang yang ada mampu melakukan penjejakan target sehingga pemasangan sistem computer vision pada UAV oktorotor dapat dilaksanakan.

Deskripsi Alternatif :

The purpose of digital image processing is to retrieve useful information contained in the captured image from instruments and use that information for decision making to complete a tasks as if the system is able to see, which is typically called computer vision system. One is to recognize and determine the position of an object, on a captured image from camera. This is done by using an appropriate algorithm, hence the features of the object can be extracted and compared with the existing knowledge, therefore the object can be identified, as how humans recognize objects. This algorithm produces robust features those invariant to scale, rotation, illumination, and perspective. By combining the computer vision system with an




unmanned system, octorotor UAV for example, extracted information can be used as reference data for navigation. Therefore, the UAV can mimic how humans in performing target tracking of an object which is considered as target. However, an appropriate testing of designed hardware must be done under few condition to analyze the performance and then make conclusions whether it is feasible to be applied into the plant. The designed computer vision system correlates the extracted features from reference image in memory and captured image from a camera using Speed-Up
Robust Features (SURF) algorithm. SURF detects feature
keypoints by searching blob-like structure, based on the determinant of Hessian matrix. By using integral image representation, computation can be done faster. Detected feature is subsequently described by descriptor vectors which describes iv gradation from black to white (low to high intensity value) at points around the feature. These features are then matched using Fast Library for Approximate Nearest Neighbor (FLANN) algorithm. With this algorithm, the the data are structured in a multiple randomized kd-tree to be processed in parallel. Approximation of Nearest Neighbor search is done by limiting the amount of leafs that are searched. The center of mass of correlated features is then calculated to determine the position the target. Target must always be in the center of the image plane. Target position error gives command to oktorotor movement, forward or backward




within a certain speed, and turn left or right in a certain angular speed.




Hardware-in-the-loop simulation (HILS) is done by using existing navigation and flight controller structure on octorotor, and model of octorotor dynamics that has been obtained. Data from computer vision system, which is target position in image plane, is sent via UDP protocol. The dynamics of the UAV and environment are subsequently visualized and displayed on the screen to be captured by the camera. UAV simulation is done using Matlab Simulink and visualization of UAV dynamics and environment is done using FlightGear. Target tracking simulation shows satisfactory result of performance of visual target tracking of moving car at speed around 8 knots or 15 km/h in light maneuver. Navigation and flight control system is able and adequate to perform target tracking. Hence, computer vision system can be applied on the UAV oktorotor.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • pembimbing :Prof. Dr. Ir. Bambang Riyanto Trilaksono ; Widyawardana Adiprawita, ST. MT., Editor: PKL-SMK

File PDF...